相关实验视频
Updated: Jun 26, 2025
06:10
Using Generative Art to Convey Past and Future Climate Transitions
Published on: March 31, 2023
946
在中国试点碳市场中预测碳价格:采用多源信息方法与有条件生成对抗网络
1Fujian Research Center for High Quality Economic Development, Fuzhou University, Fuzhou, 350108, China; Fujian Provincial Key Laboratory of Financial Science and Technology Innovation, Fuzhou University, Fuzhou, 350108, China.
Journal of environmental management
|May 9, 2024
概括
本研究介绍了一种新的生成对抗性网络模型,用于在中国的排放交易市场准确预测碳价格. 该模型显著提高了预测准确性,帮助决策者优化碳定价和风险管理.
科学领域:
- 环境经济学环境经济学
- 计算金融是指计算金融.
- 机器学习 机器学习
背景情况:
- 中国的"双碳"战略需要准确的碳价格预测.
- 碳交易价格表现出复杂的非线性和非静止性特征.
- 现有的深度学习模型在碳价格预测中扎在特征提取和多源信息方面.
研究的目的:
- 开发碳交易价格的先进预测框架.
- 解决当前深度学习模型在捕捉碳价格动态方面的局限性.
- 提高湖北和广东地区市场碳价格预测的准确性.
主要方法:
- 一个生成对抗网络 (GAN) 模型被开发用于时间序列预测.
- GAN框架包括用于特征提取和预测的生成器,以及用于验证的区分器.
- 使用代训练和优化生成器和区分器来改进预测.
主要成果:
- 拟议的GAN模型在湖北和广东市场实现了卓越的预测精度.
- 该模型展示了最低的平均绝对误差 (MAE),平均绝对百分比误差 (MAPE) 和根平均平方误差 (RMSE).
- 该模型实现了最高的R平方 (R2) 值,表明在各种预测时间范围内具有很好的预测准确性.
结论:
- 基于GAN的模型为碳交易价格预测提供了强大且普遍适用的解决方案.
- 调查结果为决策者提供了宝贵的见解,以优化碳定价系统和风险管理.
- 该研究强调了利用外部经济和市场因素对全面碳市场管理的重要性.
